LangChain4j -- LangChain4j入门大全-洪萨配资

简介

随着 ChatGPT、DeepSeek、Claude 等大语言模型（LLM）的快速发展，企业应用正在从传统的软件逻辑转向LLM + 数据 + 工具调用的智能应用模式。

对于 Java 开发者来说，直接调用大模型 API 通常需要处理：

HTTP 请求封装
Prompt 管理
上下文管理
对话历史
RAG 检索增强
Function Calling
Agent 编排

这些能力如果全部自己实现，成本较高。

因此出现了类似 LangChain 的开发框架。

什么是 LangChain4j？

LangChain4j 是 Java 生态中的 LLM 应用开发框架。

它对应 Python 世界里的：

LangChain

目标：

让 Java 开发者能够快速构建基于大模型的企业级应用。

支持：

OpenAI
Azure OpenAI
DeepSeek
Claude
Ollama
本地模型
向量数据库
RAG
Agent
Memory
Tools

整体架构：

用户请求 | v LangChain4j Application | +-----------+------------+ | | ChatModel Embedding | | v v DeepSeek Vector DB GPT ES Claude Milvus Chroma

2. LangChain4j 核心概念

2.1 ChatModel

ChatModel 是最核心的接口。

作用：

封装大模型聊天能力

例如：

用户：

你好

经过：

UserMessage ↓ ChatModel ↓ LLM ↓ AiMessage

你好，有什么可以帮助你的？

2.2 Message

LangChain4j 中消息分为：

SystemMessage

系统角色：

例如：

你是一个数据治理专家

UserMessage

用户输入：

帮我分析这个SQL

AiMessage

模型回答：

该SQL存在索引问题

代码：

UserMessage user = UserMessage.from("你好");

2.3 Prompt

Prompt 就是给模型的输入模板。

例如：

普通：

解释一下Flink

高级：

你是一名大数据专家。 请从架构、性能、应用场景分析Flink 问题： {question}

企业应用基本都会做 Prompt Template。

2.4 Memory（上下文记忆）

大模型默认：

一次请求一次上下文。

例如：

第一次：

我叫张三

第二次：

我叫什么？

模型不知道。

Memory：

保存历史消息：

User: 我叫张三 AI: 你好张三 User: 我叫什么？ AI: 你叫张三

2.5 Embedding

Embedding 是把文本转换成向量。

例如：

文本：

Flink 是实时计算框架

转换：

[ 0.231, 0.523, 0.892 ]

用于：

相似度搜索
RAG
知识库问答

LangChain4j 环境搭建

Maven依赖

<dependency> <groupId>dev.langchain4j</groupId> <artifactId>langchain4j-open-ai</artifactId> <version>0.35.0</version> </dependency> <dependency> <groupId>com.fasterxml.jackson.core</groupId> <artifactId>jackson-databind</artifactId> <version>2.16.2</version> </dependency>

注意：

LangChain4j 0.35 对 Jackson 版本有要求。

如果使用旧版本：

jackson-databind 2.11

可能出现：

PropertyNamingStrategies$SnakeCaseStrategy ClassNotFoundException

开发一个简单的天气机器人

package org.utils; import dev.langchain4j.data.message.ChatMessage; import dev.langchain4j.data.message.ChatMessageType; import dev.langchain4j.data.message.UserMessage; import dev.langchain4j.model.chat.request.ChatRequest; import dev.langchain4j.model.chat.response.ChatResponse; import dev.langchain4j.model.openai.OpenAiChatModel; import lombok.var; import static dev.langchain4j.data.message.ChatMessageType.USER; public class LongChainUtil { public static void main(String[] args) { OpenAiChatModel model = OpenAiChatModel.builder() .baseUrl("http://xxx-ai.com/v1") .apiKey("xxxx") .modelName("deepseek-reasoner") .build(); ChatRequest request = ChatRequest.builder() .messages( SystemMessage.from( "你是一个天气专家，功能如下：" + "1.回复具体的天气情况" + "2.根据天气给出穿衣建议" ), UserMessage.from("北京朝阳区今天天气")) .build(); var response = model.chat(request); } }